Question

我正在使用带有BeautifulSoup 4的python来查找与特定正则表达式匹配的html页面中的链接。我能够找到与正则表达式匹配的链接和文本，但两者结合在一起将无法正常工作。这是我的代码：

import re
import bs4

s = '<a href="javascript://">Sign in&nbsp;<br /></a>'

soup = bs4.BeautifulSoup(s)

match = re.compile(r'sign\s?in', re.IGNORECASE)

print soup.find_all(text=match)  # [u'Sign in\xa0']
print soup.find_all(name='a')[0].text  # Sign in 

print soup.find_all('a', text=match) # []

评论是输出。如您所见，组合搜索没有返回结果。这很奇怪。

似乎与链接文本中包含的“br”标记（或通用标记）有关。如果你删除它，一切都按预期工作。

Answer 1

您可以查找标签或查找其文字内容，但不能同时查找：

鉴于：

self.name = u'a'
self.text = SRE_Pattern: <_sre.SRE_Pattern object at 0xd52a58>

来自source：

# If it's text, make sure the text matches.
elif isinstance(markup, NavigableString) or \
         isinstance(markup, basestring):
    if not self.name and not self.attrs and self._matches(markup, self.text):
        found = markup

这使@Totem成为了设计的方法

我的汤有什么问题？

1 个答案: